供應鏈數字化如何改善供應鏈效率

[摘要]數字化是現代經濟的發展趨勢，供應鏈數字化日益成為驅動制造企業競爭力提升的關鍵因素。基于2013—2022年滬深A股制造企業數據，以供應鏈創新與應用試點政策的開展為切入點，運用雙重差分法，分析以試點政策為代表的供應鏈數字化對供應鏈效率的影響及其作用機制。研究結果表明，供應鏈數字化可以改善供應鏈效率，經穩健性檢驗和內生性檢驗后結論依然成立。由機制檢驗結果可知，供應鏈數字化通過降本增效、提升風險承擔水平、改善協作關系的方式來提升供應鏈效率。進一步分析發現，數字技術水平越高，供應鏈數字化越能顯著改善供應鏈效率；供應鏈數字化可以強化供應鏈效率對企業價值提升起到的正向作用。研究結論為企業開展供應鏈數字化相關活動，積極提升供應鏈效率提供了借鑒與參考。

[關鍵詞]供應鏈數字化；供應鏈效率；供應鏈創新與應用試點企業；DID

一、 引言

近年來，隨著互聯網、人工智能、大數據等技術的日益進步，國際貿易和投資規則的不斷完善，國家間經濟交流與合作的程度日益加深，經濟全球化進程正在向縱深發展。但國家間的貿易摩擦、地緣政治風險等因素不斷增加，資源利用、生態保護與經濟發展之間的壓力不斷加大，新冠肺炎疫情等突發事件頻發，致使經濟發展面臨的不確定性與復雜性日益加劇。為了應對日益變化的外部環境與挑戰，黨的二十大報告1、十四五發展規劃2和中央經濟工作會議3均明確提出要著力提升產業鏈供應鏈的韌性和安全水平。產業鏈供應鏈韌性和安全水平的提升，是指產業鏈供應鏈不會因突發事件的發生而斷鏈或斷鏈后其恢復能力能夠得到有效保證，這就要求企業內部的運營效率、企業與企業間的溝通協作效率、國民經濟運行的各環節循環暢通并有效銜接。作為供給側結構性改革的重要內容，同時也是供應鏈效率提升的關鍵，“去庫存”成了關注的焦點。庫存作為企業經營效率與供應鏈效率的體現，降低其成本、改善其管理成了供應鏈效率提高的重要標志[1，2]。庫存過多意味著企業成本的增加、企業間協同管理效率低下，不利于供應鏈效率的提高。尤其是對于制造企業而言，庫存水平的高低不僅影響著自身經營的發展，還會提高鏈條上各節點企業的運營成本，產生利益沖突，促使牛鞭效應產生，不利于供應鏈效率提高。

工業4.0、現代信息技術和數字經濟的發展為此提供了機遇，信息技術、數字經濟和供應鏈管理的深度融合催生了供應鏈數字化轉型升級[3]。供應鏈數字化在經濟活動中的應用能夠提升供應鏈的透明度，增強供應鏈中的企業對需求變化的敏感性，避免傳統供應鏈中資源錯配、效率低下等問題，有助于現代化供應鏈體系的加快構建，供應鏈競爭力的迅猛提高和供應鏈韌性的不斷提升。因此，探討供應鏈數字化影響供應鏈效率提升的路徑和機制不僅是面向國家戰略需求、企業健康發展的必然選擇，同時也是深入開展理論研究的題中應有之義。

目前，已有部分學者從數字技術角度出發，探討數字技術[4]、數字化轉型[5]對供應鏈效率產生的影響。除了企業內部的數字技術水平會影響鏈條上各個節點的效率，企業外部環境所面臨的支持與挑戰也會督促企業與整條供應鏈進行數字化活動的建設。如供應鏈創新與應用試點政策的開展，作為數字化的一種表現形式，其對企業供應鏈效率的影響及其傳導機制卻少有文獻關注。

為了在供應鏈領域培育新的經濟增長點，推動供給側結構性改革，實現高質量發展，商務部、工業和信息化部等八大部門和機構聯合開展供應鏈創新與應用試點工作1，試點工作在企業的開展能夠推動試點企業與上下游企業協同整合，實現降本增效，正逐漸受到學界的關注。部分學者發現以試點工作為代表的供應鏈數字化活動的開展可以有效降低協作成本、強化知識流動，提升供應鏈企業間的融通創新[6]；也有學者發現試點工作的開展可以顯著提升企業績效[7-8]；另外，在供應鏈韌性和安全角度，張樹山等[9]發現供應鏈數字化可以提升供應鏈韌性能力。

本文結合既有研究，以供應鏈創新與應用試點政策的開展為切入點，利用A股制造企業數據，應用雙重差分方法深入探討以供應鏈創新與應用試點政策為代表的供應鏈數字化活動的開展對供應鏈效率的影響及作用機制。與既有文獻相比，本文可能的邊際貢獻在于：（1）與張任之[4]等研究不同，本文從企業外部環境的政策視角出發，探討以供應鏈創新與應用試點政策的開展為代表的供應鏈數字化對供應鏈效率的影響，有助于豐富和拓展供應鏈數字化和供應鏈效率的相關研究。（2）揭示供應鏈數字化影響供應鏈效率的作用機制。基于降本增效、風險承擔、協作關系三個角度對供應鏈數字化影響供應鏈效率的作用機制進行分析與檢驗，有助于企業及各個利益相關者厘清供應鏈數字化影響供應鏈效率的作用機制。（3）研究結論對供應鏈數字化相關活動的落實與改進提供重要的借鑒意義，同時對供應鏈效率的改善、企業價值的提升具有重要的經驗參考。

二、 理論分析與研究假設

作為企業數字化轉型的重要抓手，供應鏈數字化受到數字技術的深刻影響，日益推動著企業生產運作流程化、信息傳遞高效化、客戶響應敏捷化，有效降低交易成本、提高生產經營效率、提升節點企業的風險承擔水平、改善企業間的協作關系，進而有效促進供應鏈效率提升。因此，本文將從降本增效、風險承擔、協作關系角度出發，探討供應鏈數字化對供應鏈效率的影響及其作用機制。

降本增效角度。供應鏈數字化可以通過降低成本、提高效率的方式改善供應鏈效率。在成本角度，首先，大數據技術和網絡優化技術在選址及運輸過程中的應用可以將“點、線、面”的布局最優化，兼顧運輸與配送時效，實現廠址、倉庫、客戶分布和運輸網絡的最優配置，降低物流運輸成本，提高物流運輸效率與供應鏈整體運作效率[10]。其次，通過分布式記賬和去中心化的區塊鏈等信息技術在交易過程中的應用，能夠在不同企業間實現無紙化交易，極大緩解各個節點企業間的信任問題與機會主義行為，降低監督成本與違約成本，最終實現供應鏈效率提升[11]。在效率角度，數字技術在供應鏈管理中的應用，有助于推動供應鏈數字化轉型升級，幫助鏈條上的企業在產品生產制造過程中使用數字技術，改善生產流程，促使其自動化、流程化，減少人力參與程度[12]，進而提高勞動生產率。

風險承擔角度。供應鏈數字化可以提升節點企業的風險承擔水平，改善供應鏈效率[13]。企業面臨的風險具有極高的不確定性[14]，既有內部運營的風險因素，也會受到外部環境的影響。因此在相關活動的執行過程中須及時獲取內外部信息，規避可能產生的不確定性風險。首先，供應鏈數字化在云計算、大數據等新一代信息技術的支撐下，能夠極大提升節點企業獲取信息、分析數據的速度與能力，助力管理者提前采取預防措施，應對不利的外部環境條件，提升企業的風險承擔水平，改善供應鏈效率。其次，供應鏈數字化工具可以實時監控供應鏈運行狀態，利用大數據算法對采銷、生產、庫存進行預測分析，及時發現潛在的風險和瓶頸，判斷供應鏈是否可能中斷，進而將關鍵信息傳遞給管理層，避免供應鏈內部風險的出現，改善伙伴企業間的聯系并提高供應鏈效率。

協作關系角度。供應鏈數字化可以改善鏈條上企業間的協作關系和水平，提高供應鏈效率。首先，在傳統供應鏈管理視角下，鏈上節點企業各自為政，存在信息孤島、溝通不暢、敏捷性不足等問題，常常會通過擴大供應、提高產量、保持庫存等方式應對市場變化[15]。數字技術賦能可以打破傳統供應鏈管理模式下的企業邊界，在節點企業間建立起信息共享平臺，緩解信息不對稱問題，引導節點企業快速適應不斷變化的市場環境，并對客戶需求作出及時響應，進而大大提升原料供應、產品生產和銷售的效率。其次，企業間穩固的伙伴關系是供應鏈效率改善的基礎。數字化技術在供應鏈管理中的應用可以提高伙伴企業的透明度和信任度。在數字平臺建立的基礎上，企業庫存、物流路徑、商品訂單、錢貨交易等關鍵信息有跡可循，有助于減少伙伴企業間的誤解、沖突和利益糾紛，提升伙伴企業的關系粘性，進而促進供應鏈效率的提高。

基于以上分析，本文提出如下假設：

H1：供應鏈數字化可以改善供應鏈效率。

H1a：供應鏈數字化可以通過降本增效來改善供應鏈效率。

H1b：供應鏈數字化可以通過提高企業風險承擔水平來提升供應鏈效率。

H1c：供應鏈數字化可以通過改善協作關系來優化供應鏈效率。

三、 研究設計

1. 模型構建

本文將2018年供應鏈創新與應用試點政策的開展作為一項準自然實驗，設計如下模型來檢驗供應鏈數字化對供應鏈效率的影響：

[lnIDTTMit=a0+a1QDIDit+a2CONTROLSit+IDi+YEARt+εit] （1）

其中，lnIDTTMit為企業i在t年的供應鏈效率；QDIDit是供應鏈數字化的虛擬變量，若系數α1顯著為負，意味著供應鏈數字化能夠顯著提升企業的供應鏈效率；CONTROLS為一系列控制變量；ID為個體固定效應；YEAR為年份固定效應；ε為隨機誤差項。

2. 變量選取

被解釋變量。供應鏈效率（lnIDTTM）。借鑒Feng等[16]研究，本文選取存貨周轉天數的對數形式（lnIDTTM）表示企業的供應鏈效率，lnIDTTM越大，供應鏈效率越低。

解釋變量。供應鏈數字化（QDID）。數字化是現代經濟的發展趨勢。隨著數字技術的發展，供應鏈管理也受到了深刻影響。為了順應經濟發展大勢，促進降本增效和供需匹配，在供應鏈領域培育新的經濟增長點，國務院辦公廳印發《關于積極推進供應鏈創新與應用的指導意見》（下文簡稱《意見》）1。《意見》旨在整合各類資源要素，創新供應鏈發展新理念、新技術、新模式，打造以信息化、數據化、智能化為依托的智慧供應鏈體系。同時還強調推動信息技術在關鍵節點的應用，建設供應鏈信息平臺，做到數據集成、信息共享，實現供應鏈可視化、數字化和智能化。另外，以《意見》發布為契機，商務部聯合其他7個部門開展供應鏈創新與應用的政策試點2，要求加快供應鏈數字化轉型升級，全面提升供應鏈的數字化、智能化水平。《意見》的內容與供應鏈數字化的理念不謀而合，均要求現代信息技術和供應鏈管理的深度融合。因此，借鑒劉海建等[7]研究，將2018年供應鏈創新與應用試點政策的開展作為一項準自然實驗來表征供應鏈數字化，若i企業在t年屬于供應鏈創新與應用試點則QDID=1，否則為QDID=0。

控制變量。考慮到企業其他層面的因素可能會影響供應鏈效率，本文借鑒現有研究，控制如下變量：企業年齡（AGE）、企業規模（SIZE）、資產負債率（LEV）、企業績效（ROA）、股權集中度（LHR）、高管人數（EN）、勒納指數（LN）、有形資產比率（BG）、盈利波動性（PB）、現金流波動性（CB）。

3. 數據來源

供應鏈創新與應用試點政策于2018年實施，為避免政策實施前后時間跨度不同而造成的影響，本文以2013—2022年A股上市公司為研究對象，所需數據主要來自CSMAR數據庫。基于2013—2022年上市公司原始數據，對樣本進行如下處理：（1）剔除金融行業的數據；（2）剔除數據存在大量缺失的樣本；（3）剔除樣本中上市時間不足一年的公司；（4）剔除企業存在ST、PT的企業；（5）僅保留制造業的樣本。其中部分缺失數據采用插值法補齊。最終得到1118家企業，共11180個樣本觀測值。

四、 實證分析

1. 描述性統計

為了直觀描述樣本企業的相關狀況，本文對主要變量進行了描述性統計，結果如表1所示。從表中可以看出，試點企業（TREAT）的均值為0.02，意味著在制造企業樣本中，僅有2%的企業開展了供應鏈創新與應用的試點工作，大部分企業仍未獲得相應政策的審批與試點。另外，在供應鏈效率角度，lnIDTTM的最小值為1.63，最大值為10.92，標準差為0.79，說明不同企業具備的供應鏈效率存在差異。

2. 基準回歸

基于模型（1）論證了供應鏈數字化能否影響供應鏈效率，實證結果如表2所示。其中，列（1）是未控制任何變量的回歸結果；列（2）是控制了時間和個體效應后的回歸結果；列（3）是加入控制變量、但未控制時間和個體效應后的回歸結果；列（4）是同時加入控制變量和固定效應的回歸結果。結果表明，無論在何種情況下，供應鏈數字化能夠顯著降低企業庫存周轉天數，提升供應鏈效率。從經濟意義上來看，供應鏈數字化工作的開展使企業庫存周轉天數降低了7.7%，提升了供應鏈效率。因此，假設H1得到驗證。

3. 穩健性檢驗

（1）平行趨勢檢驗

借鑒白俊紅等[17]的研究，本文構建政策實施前、政策實施當期和政策實施后的虛擬變量，以政策實施前虛擬變量系數的顯著程度驗證平行趨勢檢驗是否通過。同時參考王鋒等[18]、方錦程等[19]的研究，以供應鏈創新與應用試點政策開展前的第五期作為基準變量進行平行趨勢檢驗。圖1所示的平行趨勢檢驗結果表明，在試點政策實施前4期至前2期，各期系數的估計值均不顯著。而政策實施前一期相關變量的系數顯著，主要原因在于：（1）該試點政策的獲批受到企業自愿申報、地方擇優推薦的影響，企業在政策實施前可能開始了一些與數字技術相關的準備工作。同時，受到樣本選擇的影響，若企業具備一定的數字技術應用和供應鏈數字化基礎[9]，在后期評審過程中會有更大的幾率通過政策的試點審批。（2）國務院辦公廳在2017年發布《積極推進供應鏈創新與應用的指導意見》1，企業可能對即將實施的政策有所預期，并據此調整策略和投資。例如，預期到政策實施后可能會帶來好處，企業可能會提前在數字技術方面進行投資和準備。這也符合試點工作擇優申報的條件與要求。進一步為了控制預期效應的影響，借鑒方福前等[20]的研究，在基準回歸基礎上加入“是否屬于實驗組”與政策實施前一期虛擬變量的交互項（TREAT*2017）。表3回歸結果顯示，交互項系數不顯著，QDID系數在5%水平上顯著，表明預期效應的存在不會影響供應鏈數字化對供應鏈效率的作用。平行趨勢檢驗通過。

（2）安慰劑檢驗

在本文的統計樣本中，處理組占比約為2%，即僅有2%的制造企業開展了供應鏈創新與應用試點工作。在回歸統計過程中，要考慮是否會存在某些隨機因素，導致小樣本估計結果出現偏差。而屬于安慰劑檢驗方法的置換檢驗可以識別小樣本回歸結果的準確性[21]，本文借鑒馬述忠等[22]的研究，使用置換檢驗來驗證供應鏈數字化是否會對供應鏈效率產生顯著影響。置換檢驗結果如圖2所示。重復檢驗的500次估計系數服從正態分布，實際系數與大多數估計系數存在明顯差異，安慰劑檢驗通過，即本文的回歸分析結果是有效的。

（3）小樣本檢驗

為了進一步檢驗小樣本估計結果的穩健性，本文借鑒劉海建等[7]的研究，使用sdid方法進行合成控制雙重差分檢驗，確定小樣本的估計效力。檢驗結果顯示，平均處理效應為-0.239，在5%水平上顯著，表明回歸結果是可靠的，假設H1得到進一步驗證。

（4）排除其他政策的干擾

企業作為經濟活動的重要主體，經營狀況不可避免地會受到所在地區相關政策影響。在樣本期中，諸如國家大數據綜合試驗區、供應鏈創新與應用試點城市等政策可能影響試點地區企業的數字化程度和水平。因此，在基準回歸模型的基礎上分別加入國家大數據綜合試驗區（SDID）和供應鏈創新與應用試點城市（CQDID）的虛擬變量，盡可能控制相關政策對回歸結果的影響，結果如表4列（1）（2）所示。控制了相關政策后，供應鏈數字化依舊能夠顯著影響供應鏈效率，再次證明了結果的穩健性。

（5）替換被解釋變量

為了檢驗基準回歸結果的穩健性，本文采取下面兩種方法對供應鏈效率的測度進行替代性考量并重新回歸：首先，借鑒張倩肖等[23]的研究，選用營業成本與存貨凈額平均余額比值的對數形式（lnID）來表征供應鏈效率。lnID越高，供應鏈效率越高。回歸結果如表4第（3）列所示，QDID的系數顯著為正，即供應鏈數字化可以顯著提升企業的庫存周轉率，改善企業供應鏈效率。其次，供應鏈效率的考量主要參考企業庫存的狀況[1]，企業的庫存除了會受到營業天數和營業成本的影響以外，還與企業經營狀況息息相關，因此選用存貨與收入比值的對數形式（lnIR）對供應鏈效率重新測量。lnIR越大，意味著企業在收入不變的情況下，存貨會增多，庫存周轉率會降低，供應鏈效率也會受到阻礙。以lnIR替代原本的因變量，依據模型（1）進行回歸，結果如表4列（4）所示，QDID的系數在5%水平上顯著為負，即供應鏈數字化可以顯著降低企業的存貨收入比，改善企業的供應鏈效率。

（6）其他穩健性檢驗

①縮尾處理：制造企業自身特征不盡相同，不同企業經營狀況、盈利能力、與上下游利益相關者的聯系會存在差異，可能導致不同企業的供應鏈效率存在較大差異。為了避免樣本中極端值的存在，致使回歸結果出現偏誤，進一步對主要變量在1%程度上進行雙邊縮尾處理。②更換模型：使用Tobit模型重新回歸。③更換固定效應：控制行業和年份的固定效應。④剔除異常樣本：剔除2020年的樣本，降低企業生產經營異常造成的錯誤估計。以上回歸結果如表5所示。經過了一系列處理，供應鏈數字化依舊能夠顯著降低庫存周轉天數，提升供應鏈效率。

4. 內生性檢驗

供應鏈數字化是以供應鏈創新與應用試點政策的虛擬變量來衡量，而供應鏈創新與應用試點企業的獲批是由企業自主申請，相關部門推薦得到，該變量一定程度上會受到樣本選擇偏差的影響。另外，對于供應鏈效率高的企業，很可能是因為本身具備的供應鏈數字化水平較高，容易產生反向因果的問題。首先，為了降低樣本選擇性偏差對回歸結果的錯誤影響，以基準回歸中的控制變量作協變量，使用1∶2卡尺最近鄰匹配的方法進一步分析供應鏈數字化對供應鏈效率的影響。結果如表6列（1）所示。供應鏈數字化顯著影響供應鏈效率。其次，為了減弱反向因果的影響，借鑒現有研究做法，分別對被解釋變量和控制變量進行滯后一期的處理，回歸結果如表6列（2）（3）所示。結果顯示，核心解釋變量對被解釋變量的影響顯著，再次證實了供應鏈數字化對供應鏈效率影響顯著。

五、 進一步分析

1. 機制檢驗

前文已證實供應鏈數字化能夠提升供應鏈效率，為探究具體影響路徑，本文借鑒牛志偉等[24]的研究，在模型（1）基礎上建立如下模型，分別從降本增效角度、風險承擔角度、協作關系角度進行檢驗：

[Mit=a0+a1QDIDit+a2CONTROLSit+IDi+YEARt+εit]

[lnIDTTMit=a0+a1Mit+a2CONTROLSit+IDi+YEARt+εit]" （2）

[lnIDTTMit=a0+a1QDIDit+a2Mit+a3CONTROLSit+IDi+YEARt+εit]

其中，M表示中介變量，分別指代降本增效角度的交易成本（TC）和勞動生產率（LABOR）、風險承擔角度的風險承擔水平（ZScore）、協作關系角度的供應鏈集中度（SSC）。其余變量定義與模型（1）一致。

降本增效角度。在成本角度，本文借鑒戴魁早等[25]研究，選用銷售費用與營業收入的比值作為交易成本的代理變量（TC）。從表7第（1）列可以發現，供應鏈數字化降低了交易成本，列（2）顯示交易成本越低，lnIDTTM越低，供應鏈效率越高；列（3）交易成本在1%水平上顯著為正，揭示了供應鏈數字化通過降低交易成本進而改善供應鏈效率的路徑存在。在效率角度，本文借鑒牛志偉等[24]研究，選用營業收入與從業人員數量的比值衡量企業的勞動生產率（LABOR）。從表7列（4）可以發現，供應鏈數字化提升了勞動生產率，列（5）顯示勞動生產率越高，lnIDTTM越低，供應鏈效率越高；列（6）勞動生產率在1%水平上顯著為負，揭示了供應鏈數字化通過提升勞動生產率進而影響供應鏈效率的路徑存在。

風險承擔角度。從資源依賴理論來看，企業風險承擔水平的提升需要有充足的資源支持，而企業具備的資金狀況又會直接影響其他資源獲取的能力。因此，選取反映公司財務困境的Z值衡量企業的風險承擔水平（ZScore）。表8前三列展示了風險承擔角度的效應檢驗結果。根據表8（1）列可以發現，供應鏈數字化提升了企業風險承擔水平，列（2）顯示企業風險承擔水平越高，lnIDTTM越低，供應鏈效率越高；列（3）企業風險承擔水平在10%水平上顯著為負，揭示了供應鏈數字化通過提升企業風險承擔水平進而改善供應鏈效率的路徑存在。

協作關系角度。借鑒方紅星等[26]研究，選用企業向前5大供應商、客戶采購銷售比例之和的均值表征企業間協作關系（SSC）。表8后三列展示了協作關系角度的效應檢驗結果。從表8第（4）列可以發現，供應鏈數字化提升了企業間的協作水平，列（5）顯示協作水平越高，lnIDTTM越低，供應鏈效率越高；第（6）列SSC在1%水平上顯著為負，揭示了供應鏈數字化通過提升協作水平進而影響供應鏈效率的路徑存在。

2. 調節效應

隨著數字技術在供應鏈領域的融合發展，供應鏈管理越來越數字化、智能化、智慧化和高效化。數字技術是數字化活動開展的基礎。因此，企業擁有的數字技術越豐富，供應鏈數字化程度也越高，并能帶動相關企業數字化技術的應用，改善企業間聯系與運營效率。一方面，企業內部擁有的數字技術應用水平越高，意味著企業越能高效地處理信息、管理資源、優化配置、降低成本，從而提升供應鏈的數字化水平，更好作用于供應鏈效率的提升。另一方面，供應鏈創新與應用試點政策的審批需要優中選優，對于擁有較高的數字技術應用水平的企業而言，內部基礎越好，越容易獲得試點政策審批。另外，在獲得相應的政策審批后，此類企業會積極借助試點政策支持，加大力度進行數字化轉型，不斷提升本企業的數字化水平，并帶動鏈條上其他企業數字化技術的應用，進而提升供應鏈效率。

根據上述理論分析可知，企業擁有的數字技術應用水平越好，開展供應鏈數字化工作越能顯著提升供應鏈效率。為了驗證數字技術的應用在供應鏈數字化和供應鏈效率之間的作用關系是否如上述分析所言，本文借鑒江艇[27]的研究，構建如下模型進行檢驗：

[lnIDTTMit=a0+a1QDIDit+a2DYit+a3QDIDDYit+a4CONTROLSit+IDi+YEARt+εit] （3）

其中，DY是調節變量，參考包群等[28]的研究，運用Python軟件識別并統計上市公司年報中與數字技術應用有關的關鍵詞，以其逆文檔概率詞頻的1000倍來衡量。QDIDDY是調節變量與解釋變量的交互項，通過檢驗系數α3的顯著性來識別數字技術應用在供應鏈數字化與供應鏈效率之間的作用機制。其他變量含義與模型（1）相同。從表9列（1）可以看出，交互項QDIDDY在10%水平上顯著為正，意味著數字技術應用程度越高，供應鏈數字化對供應鏈效率的促進作用越顯著。這與張任之[4]的研究結論一致。

3. 經濟后果分析

現代企業理論認為，盈利是企業生存和發展的基礎。高效的供應鏈可以降低企業生產成本，提高企業價值。從內部視角來看，供應鏈效率的提升可以優化企業內部生產流程，降低生產成本、運營成本，提高生產效率，提升企業競爭力和企業價值。從外部視角來看，供應鏈效率越高，制造企業與上下游企業之間的聯系越緊密，企業間物流、信息流、資金流的傳遞速度會有效加快，同時對于市場需求變化的響應速度也會得到有效提升，進而能夠保護企業及時應對不確定性風險，有力維護企業價值穩定。因此，本文借鑒馬連福等[29]研究，基于供應鏈效率對企業價值的研究，并將供應鏈數字化作為情境因素，進一步檢驗供應鏈數字化在供應鏈效率與企業價值之間的作用機制。表9列（2）揭示了庫存周轉天數越低，供應鏈效率越高，企業價值越高。由列（3）可知，lnIDTTM*QDID的系數顯著為正，說明供應鏈數字化強化了供應鏈效率與企業價值之間的關系。因此，企業應積極借助供應鏈數字化相關工作的開展，發揮供應鏈效率對企業價值提升的正向作用。

六、 結語

本文以供應鏈數字化的政策視角作為切入點，將供應鏈創新與應用試點政策作為外生沖擊事件，利用2013—2022年A股制造企業數據，使用雙重差分法實證分析了以供應鏈創新與應用試點政策為代表的供應鏈數字化對供應鏈效率的影響及作用機制。研究發現：供應鏈數字化可以顯著改善供應鏈效率，經過一系列穩健性檢驗和內生性檢驗后結論依然成立；機制檢驗結果表明，供應鏈數字化可以通過降本增效、提升風險承擔水平、強化協作關系的方式提升供應鏈效率；進一步分析還發現，企業擁有的數字技術應用水平越高，供應鏈數字化越能顯著提升供應鏈效率；供應鏈數字化可以強化供應鏈效率對企業價值提升起到的正向作用。本文的研究結論具有如下啟示：

在企業層面，應借助供應鏈創新與應用試點政策的開展，持續推進供應鏈數字化活動并積極發揮供應鏈數字化的正向推動作用。一方面，試點企業應借助政策支持，抓住數字化發展機遇，加大在數字技術和數字人才方面的投入力度，提升員工的數字技能，增強企業對數字技術、數字工具的運用能力，提升數字技術應用水平，改善并優化產品生產流程，提高生產運作效率。另一方面，試點企業應發揮核心帶動作用，積極引領鏈上相關企業進行數字化改造，改善鏈上企業間的聯系、溝通和協作關系，提升供應鏈效率。

在政府層面，應積極出臺鼓勵供應鏈數字化發展的相關政策，營造更有利的發展環境，支持企業以及供應鏈進行數字化改造，擁抱數字化發展大勢，推進高質量發展。第一，應健全并完善數字技術應用、數字化發展的監督管理機制與政策法規，提升供應鏈數字化的監督管理與服務能力，引導企業合理使用數字技術助力本企業發展。第二，政府應積極鼓勵數字化工作開展較好的企業進行經驗分享，推廣成功案例，發揮試點企業的引領、示范與帶動作用，為其他企業開展數字化活動提供經驗借鑒和實踐參考。

參考文獻：

[1] 段文奇，景光正.貿易便利化、全球價值鏈嵌入與供應鏈效率——基于出口企業庫存的視角[J].中國工業經濟，2021（2）：117-135.

[2] 毛其淋，王凱璇.互聯網發展如何優化企業資源配置——基于企業庫存調整的視角[J].中國工業經濟，2023（8）：137-154.

[3] Büyük?zkan G， G??er F.Digital Supply Chain： Literature Review and a Proposed Framework for Future Research[J].Computers in Industry，2018（97）：157-177.

[4] 張任之.數字技術與供應鏈效率：理論機制與經驗證據[J].經濟與管理研究，2022，43（5）：60-76.

[5] 劉駿，張義坤.數字化轉型能提高企業供應鏈效率嗎？——來自中國制造業上市公司年報文本分析的證據[J].產業經濟研究，2023（6）：73-86.

[6] 黃宏斌，張玥楊，許晨輝.供應鏈數字化能促進鏈上企業間的融通創新嗎——基于智慧供應鏈政策的準自然實驗[J].當代財經，2023（8）：134-145.

[7] 劉海建，胡化廣，張樹山，等.供應鏈數字化與企業績效——機制與經驗證據[J].經濟管理，2023，45（5）：78-98.

[8] 石大千，李雪琴，李丹丹.智慧供應鏈建設如何提升企業績效？——基于供應鏈韌性優化視角的分析[J].中國管理科學，2023（11）：1-13.

[9] 張樹山，谷城.供應鏈數字化與供應鏈韌性[J].財經研究，2023（11）：1-15.

[10] 唐隆基，潘永剛.數字化供應鏈：轉型升級路線與價值再造實踐[M].北京：人民郵電出版社，2021.

[11] 李衛兵，張星.數字化轉型與企業交易成本[J].華中科技大學學報（社會科學版），2023，37（6）：8-17.

[12] Wu L，Yue X，Jin A，et al.Smart Supply Chain Management：A Review and Implications for Future Research[J].The International Journal of Logistics Management，2016，27（2）：395-417.

[13] 張樹山，胡化廣，孫磊，等.供應鏈數字化與供應鏈安全穩定——一項準自然實驗[J].中國軟科學， 2021（12）：21-30.

[14] 王菁華，茅寧.企業風險承擔研究述評及展望[J].外國經濟與管理，2015，37（12）：44-58.

[15] 楊志強，唐松，李增泉.資本市場信息披露、關系型合約與供需長鞭效應——基于供應鏈信息外溢的經驗證據[J].管理世界，2020，36（7）：89-105.

[16] Feng M，Li C，McVay S E，et al.Does Ineffective Internal Control over Financial Reporting affect a Firm’s Operations？ Evidence from Firms’ Inventory Management[J].The Accounting Review，2015，90（2）：529-557.

[17] 白俊紅，張藝璇，卞元超.創新驅動政策是否提升城市創業活躍度——來自國家創新型城市試點政策的經驗證據[J].中國工業經濟，2022（6）：61-78.

[18] 王鋒，葛星.低碳轉型沖擊就業嗎——來自低碳城市試點的經驗證據[J].中國工業經濟，2022（5）：81-99.

[19] 方錦程，劉穎，高昊宇，等.公共數據開放能否促進區域協調發展？——來自政府數據平臺上線的準自然實驗[J].管理世界，2023，39（9）：124-142.

[20] 方福前，田鴿，張勛.數字基礎設施與代際收入向上流動性——基于“寬帶中國”戰略的準自然實驗[J].經濟研究，2023，58（5）：79-97.

[21] Tang C，Zhao L，Zhao Z.Does Free Education Help Combat Child Labor？ The Effect of a Free Compulsory Education Reform in Rural China[J].Journal of Population Economics，2020，33（2）：601-631.

[22] 馬述忠，吳鵬，房超.東道國數據保護是否會抑制中國電商跨境并購[J].中國工業經濟，2023（2）：93-111.

[23] 張倩肖，段義學.數字賦能、產業鏈整合與全要素生產率[J].經濟管理，2023，45（4）：5-21.

[24] 牛志偉，許晨曦，武瑛.營商環境優化、人力資本效應與企業勞動生產率[J].管理世界，2023，39（2）： 83-100.

[25] 戴魁早，王思曼，黃姿.數據要素市場發展與生產率提升[J].經濟管理，2023，45（6）：22-43.

[26] 方紅星，張勇，王平.法制環境、供應鏈集中度與企業會計信息可比性[J].會計研究，2017（7）：33-40.

[27] 江艇.因果推斷經驗研究中的中介效應與調節效應[J].中國工業經濟，2022（5）：100-120.

[28] 包群，但佳麗，王云廷.國內貿易網絡、地理距離與供應商本地化[J].經濟研究，2023，58（6）：102-118.

[29] 馬連福，杜善重.數字金融能提升企業風險承擔水平嗎[J].經濟學家，2021（5）：65-74.

基金項目：國家社會科學基金一般項目“中俄貿易西通道經濟走廊：貿易、產業與通道能力研究”（項目編號：20BGL015）；新疆維吾爾自治區區域協同創新專項項目“中俄貿易西通道經濟走廊多式聯運新模式的研究”（項目編號：2019E01009）；新疆科技學院校級科研基金項目“異質性環境關注對工業企業綠色轉型的影響效應與機制研究”（項目編號：2023-KYPT13）。

作者簡介：張玲富，男，碩士，新疆科技學院工商管理學院助教，研究方向為物流與供應鏈管理；豆勇芳，女，碩士，新疆科技學院工商管理學院助教，研究方向為企業數字化轉型；王海靈，通訊作者，男，碩士，新疆大學經濟與管理學院教授、碩士研究生導師，研究方向為物流與供應鏈管理。

（收稿日期：2024-03-18" 責任編輯：蘇子寵）